本发明涉及商机挖掘，特别是指一种基于大数据的企业商机挖掘方法。
背景技术：
1、对于当前的基于大数据的企业商机挖掘技术中，无法保证商品的原始信息的全面性和一致性，无法动态跟踪市场变化，及时识别出不同周期内的潜力商品；使得无法全面地评估各潜力商品的市场潜力，无法规避潜在风险；使得商机挖掘的成功率低；不能帮助企业更加高效、准确地识别和挖掘市场机会。
2、中国专利申请公开号cn114169940 a公开了一种基于商机业务信息处理的商机挖掘系统，包括商机信息处理服务器和商机业务信息处理服务器；所述商机信息处理服务器，安装在企业内部，商机信息处理服务器通过互联网进行网页访问，根据网页上的搜索热词发现商机，并可以根据用户所需商机领域对获取的商机进行处理；所述商机业务信息处理服务器，安装在企业内部，与商机信息处理服务器间通过数据通信网络连接，用于接收商机信息处理服务器发送的处理后的商机信息，根据商机信息发现商机业务信息，并基于商机业务信息进行分析报告和市场策略的生成，帮助用户挖掘商机。
3、由此可见，当前的基于大数据的企业商机挖掘无法规避潜在风险，无法准确地识别和挖掘市场机会。
技术实现思路
1、为此，本发明的目的是提供一种基于大数据的企业商机挖掘方法，用于克服当前的基于大数据的企业商机挖掘无法规避潜在风险，无法准确地识别和挖掘市场机会的问题。
2、为实现上述目的，本发明提供一种基于大数据的企业商机挖掘方法，包括：
3、收集全部商品的原始信息，对所述原始信息进行预处理，以形成符合挖掘条件的待分析信息；
4、对所述待分析信息按照需求特征进行分类，以得到商品类别分布表；
5、基于所述商品类别分布表对各类别的商品进行周期性识别，以确定不同周期时刻的各潜力商品；
6、持续监测市场变化数据池，根据监测结果确定各潜力商品的第一挖掘评分；
7、获取各潜力商品的商业信息流转进度，基于所述商业信息流转进度确定各潜力商品第二挖掘评分；
8、根据所述第一挖掘评分和所述第二挖掘评分计算各潜力商品的潜力相关度，并根据所述潜力相关度对各潜力商品进行筛选、排序，以生成初始挖掘次序；
9、识别各潜力商品的隐藏风险；根据所述隐藏风险对各潜力商品进行风险评估，以得到各市场竞争度；
10、根据各潜力商品的市场竞争度对所述初始挖掘次序进行修正，以得到实际挖掘次序，基于所述实际挖掘次序挖掘目标商机。
11、进一步地，所述对所述原始信息进行预处理，以形成符合挖掘条件的待分析信息的过程为，
12、识别所述原始信息中的错误信息、缺失信息和异常信息，基于识别结果对所述原始信息进行相应的清洗和处理，以得到待判定信息；
13、对所述错误信息、所述缺失信息和所述异常信息进行类型标记，并获取各类型标记次数；
14、根据类型标记结果确定所述原始信息的异常评价等级，基于所述异常评价等级对原始信息是否符合所述挖掘条件进行初次判断；
15、根据初次判断结果结合各类型标记次数计算形成评价值，并根据所述形成评价值判定所述待判定信息是否符合所述挖掘条件进行二次判断；若符合，则判定所述待判定信息为所述待分析信息；
16、其中，所述类型标记结果包括:错误类型、缺失类型和异常类型。
17、进一步地，所述根据类型标记结果确定所述原始信息的异常评价等级，基于所述异常评价等级对原始信息是否符合所述挖掘条件进行初次判断的过程为，
18、分析所述错误类型、所述缺失类型和所述异常类型中符合单一判定条件的项目个数和项目类型；
19、若所述项目类型中不包括所述异常类型且所述项目个数为1时，则判定所述异常评价等级为一级，并确定初次判断结果为：所述原始信息符合所述挖掘条件；
20、若所述项目类型中不包括所述异常类型且所述项目个数等于2时，则判定所述异常评价等级为二级，并确定所述初次判断结果为：开启二次判断；
21、若所述项目类型中包括所述异常类型且所述项目个数等于1时，则判定所述异常评价等级为二级，并确定所述初次判断结果为：开启二次判断；
22、若所述项目类型中包括所述异常类型且所述项目个数大于等于2时，则判定所述异常评价等级为三级，并确定所述初次判断结果为：所述原始信息不符合所述挖掘条件；
23、其中，对于任一类型标记结果，若任一类型标记结果对应的第一差值绝对值大于预设的第一评价值且对应的所述类型标记次数大于预设的标准标记次数时，则判定任一类型标记结果符合所述单一判定条件；所述第一差值绝对值为所述类型标记次数与所述标准标记次数间的差值绝对值。
24、进一步地，所述根据初次判断结果结合各类型标记次数计算形成评价值，并根据所述形成评价值判定所述待判定信息是否符合所述挖掘条件进行二次判断的过程为，
25、基于所述异常评价等级为二级时，根据第二差值绝对值结合预设的第二评价值判定所述待判定信息是否符合所述挖掘条件；
26、若所述第二差值绝对值小于等于所述第二评价值，则判定所述待判定信息符合所述挖掘条件；
27、若所述第二差值绝对值大于所述第二评价值且所述形成评价值小于预设的形成标准值，则判定所述待判定信息符合所述挖掘条件；
28、若所述第二差值绝对值大于所述第二评价值且所述形成评价值大于所述形成标准值，则判定所述待判定信息不符合所述挖掘条件；
29、其中，所述第二差值绝对值为所述形成评价值和所述形成标准值间的差值绝对值。
30、进一步地，所述根据监测结果确定各潜力商品的第一挖掘评分的过程为，
31、基于对所述市场变化数据池的监测，获取市场需求指标和技术更新指标；
32、根据所述市场需求指标结合所述技术更新指标计算所述第一挖掘评分。
33、进一步地，所述基于所述商业信息流转进度确定各潜力商品第二挖掘评分的过程为，
34、获取各潜力商品的实际完成度和对应的实际竞争数量；
35、根据所述实际完成度结合所述实际竞争数量计算所述第二挖掘评分。
36、进一步地，所述并根据所述潜力相关度对各潜力商品进行筛选、排序，以生成初始挖掘次序的过程为，
37、根据第三差值绝对值结合预设的第三评价值对各潜力商品进行筛选，对于任一潜力商品；
38、若所述第三差值绝对值小于等于所述第三评价值，则保留任一潜力商品；
39、若所述第三差值绝对值大于所述第三评价值且所述潜力相关度大于预设的潜力评价值，则保留任一潜力商品；
40、若所述第三差值绝对值大于所述第三评价值且所述潜力相关度小于所述潜力评价值，则剔除任一潜力商品；
41、其中，所述第三差值绝对值为所述潜力相关度和所述潜力评价值间的差值绝对值；
42、对各潜力商品进行逐一筛选，并对保留下的各潜力商品按照所述潜力相关度由大到小的顺序进行排序，以生成所述初始挖掘次序。
43、进一步地，所述识别各潜力商品的隐藏风险的过程为，
44、对于任一潜力商品，获取任一潜力商品的实际生产供应链；
45、根据第四差值绝对值和预设的第四评价值确定任一潜力商品是否存在所述隐藏风险；
46、若所述第四差值绝对值大于所述第四评价值且所述实际生产供应链对应的实际供应链完整度小于预设的标准供应链完整度，则判定任一潜力商品存在所述隐藏风险；
47、其中，所述第四差值绝对值为所述实际供应链完整度和所述标准供应链完整度间的差值绝对值。
48、进一步地，所述根据所述隐藏风险对各潜力商品进行风险评估，以得到各市场竞争度的过程为，
49、根据所述实际供应链完整度和缺失部分对应的实际缺失指标计算所述市场竞争度。
50、进一步地，所述根据各潜力商品的市场竞争度对所述初始挖掘次序进行修正，以得到实际挖掘次序的过程为，
51、对于任一潜力商品，根据所述市场竞争度和预设的标准竞争度确定任一潜力商品的竞争潜力等级；
52、根据所述竞争潜力等级所述初始挖掘次序进行筛选；
53、基于任一潜力商品的所述竞争潜力等级为一级时，将任一潜力商品从所述初始挖掘次序中剔除；基于任一潜力商品的所述竞争潜力等级为二级时，对任一潜力商品在所述初始挖掘次序中保留。
54、与现有技术相比，本发明的有益效果在于，通过收集和预处理全部商品的原始信息，确保了数据的全面性和一致性，为后续分析奠定了坚实的基础；将商品信息按照需求特征进行分类，并基于商品类别分布表进行周期性识别，有助于动态跟踪市场变化，及时识别出各周期内的潜力商品；通过持续监测市场变化数据池，能够实时调整各潜力商品的第一挖掘评分，确保评分的时效性和准确性；将第一挖掘评分和第二挖掘评分相结合，计算潜力商品的潜力相关度，能够更加全面地评估商品的市场潜力，提升决策的科学性；识别各潜力商品的隐藏风险并进行风险评估，可以帮助预见和规避潜在风险；通过分析市场竞争度，能够更加精准地修正初始挖掘次序，提高商机挖掘的成功率；根据风险评估和市场竞争度，对初始挖掘次序进行动态调整，确保最终的实际挖掘次序更加符合市场实际情况，优化资源配置和挖掘效率；通过周期性识别和持续监测，能够快速响应市场变化，及时调整商品挖掘策略，提升市场响应速度和竞争力；提高工作效率和可重复性，为企业在市场竞争中占据优势地位提供有力支持；通过综合分析和动态调整挖掘次序，能够更好地挖掘具有高潜力的商机，提升企业的商业价值和市场竞争力；实现在市场分析和商机挖掘过程中具备显著的优势，能够帮助企业更加高效、准确地识别和挖掘市场机会。
55、尤其，通过识别并处理错误信息、缺失信息和异常信息，确保数据的准确性和完整性，为后续分析奠定良好的基础；对错误、缺失和异常信息进行类型标记，并统计各类型标记次数，有助于全面了解数据质量问题，方便后续处理和改进；根据类型标记结果确定原始信息的异常评价等级，可以对数据质量进行分级评估，使数据清洗和处理更有针对性和精确性；初次判断和二次判断相结合，确保数据符合挖掘条件，提高数据筛选的可靠性和有效性；结合类型标记次数计算评价值，能够综合考虑各类数据问题，做出更全面的评估，有助于优化数据筛选过程；通过清洗和处理，提高了数据质量，为后续的数据分析和决策提供了更加可靠的数据基础；严格的两次判断机制确保只有高质量的数据才能进入后续的分析环节，保证了挖掘条件的严谨性和挖掘结果的可靠性；通过类型标记和异常评价等级的设定，增加了数据处理的透明度，便于追踪和调整数据清洗策略；对错误、缺失和异常信息进行详细记录和统计，可以为数据改进提供具体指导，帮助持续提升数据质量；可以根据不同的数据环境和需求进行调整和优化，适用于多种数据挖掘场景；能够有效提升数据质量，确保数据挖掘的准确性和可靠性，为后续的市场分析和商机挖掘提供坚实的基础。
56、尤其，通过分析错误类型、缺失类型和异常类型的项目个数和类型，可以对原始信息进行细致的考量，这有助于更准确地识别问题所在；通过设置多个判定步骤，不仅限于单一的标准，而是采用了多层次的判断标准，这可以提高判断的全面性和准确性；根据不同情况采取不同的判定步骤，如发现异常类型是否单独出现、项目个数等，可以适应不同情况下的判断需求；根据实际情况动态调整判定标准，例如，在某些情况下可能需要进行二次判断，这增加灵活性和适应性；降低了执行过程中的不确定性和出错概率；通过将复杂问题分解为若干层次和步骤，使得处理过程更为清晰和有序，每一层都可以聚焦于特定的细节，逐步缩小判断范围；体现了对异常情况的高度关注，这对于发现和处理问题极为重要；实现了评价和判断过程的标准化，有助于提高判断的一致性；能够提供一种结构化和多层次的解决方案，有助于提高数据处理的效率和质量。
57、尤其，通过区分不同等级的异常评价能够对异常情况进行更为细致的评价，从而更准确地识别问题；通过使用第二差值绝对值和预设的第二评价值，以及形成评价值和形成标准值，该方法允许在二次判断过程中根据具体情况动态调整判定标准；结合了差值绝对值和评价值两个维度的判断，使得判定更为全面，不仅考虑了数量上的差异，也考虑了质量上的评价；通过比较差值绝对值和评价值与预设标准的相对大小，能够灵活地决定待判定信息是否符合挖掘条件；减少了执行过程中的不确定性，确保了判断的一致性和可重复性；通过设定固定的步骤和判定标准，实现了数据处理的标准化和规范化，有助于提高数据处理的一致性和可靠性；能够根据不同的异常评价等级和标记次数，通过计算评价值来进行二次判断，从而确定待判定信息是否符合挖掘条件。
58、尤其，通过将市场需求和技术更新两个关键因素量化，可以更准确地评估商品的挖掘潜力；对市场变化数据池的监测意味着该方法能够实时或定期地捕捉市场动态，确保评分反映最新的市场情况；通过计算销量变化率及其范围，该方法能够识别出销量增长潜力大的商品；通过引入技术更新指标，并且根据技术更新程度的不同设置不同的参数，能够区分技术更新对商品挖掘评分的影响；能够适应不同市场和技术环境；结合市场需求和技术更新两个指标，提供了对商品挖掘潜力的综合评价，比单一指标评价更为全面；能够适应不同商品的特性和市场环境，适用于多种情况下的商品挖掘；通过提供量化的挖掘评分，可以帮助决策者更好地识别有潜力的商品，从而做出更明智的营销和技术决策。
59、尤其，通过评估商品的实际完成度，能够考虑到商品从概念到市场的实际进展情况，这是一个重要的商业指标；考虑商品对应的实际竞争数量，这有助于评估商品在市场中的竞争力和潜在的市场份额；通过将实际完成度和实际竞争数量相结合，并采用乘法运算来计算第二挖掘评分，提供了一个量化的评估方法；可以定期进行，以监控商品的进展和市场状况的变化，确保评分反映最新的商业信息流转进度；有助于识别那些虽然市场竞争激烈，但实际完成度较高的商品，这些商品可能具有较高的挖掘潜力；有助于直观地评估商品的潜力；适用于各种市场环境，能够适应不同行业和不同商品的特点；强调了商品完成度和竞争数量的重要性，这有助于全面评估商品的市场潜力；提供了一个全面评估商品市场潜力的方法，具有量化评估、动态监控和辅助决策等优点。
60、尤其，通过计算潜力相关度，体现了对商品潜力的多维度评估，增加了判断的全面性；通过第三差值绝对值和第三评价值的比较，以及潜力相关度与预设潜力评价值的比较，提供了量化的筛选标准，使得筛选过程更加客观和准确；能够逐步细化商品的筛选过程，确保只有符合特定条件的商品被保留；保留下的商品按照潜力相关度由大到小排序，明确了挖掘次序的生成依据，有助于优先挖掘最具潜力的商品；能够适应不同商品特性和市场环境，适用于多种情况下的商品挖掘和排序；通过计算潜力相关度，强调了商品的潜力与市场竞争力之间的结合，这有助于全面评估商品的市场潜力。
61、尤其，通过分析实际生产供应链，可以全面评估商品从生产到交付的整个过程中的潜在风险；通过实时或定期地获取实际供应链完整度，可以动态监控供应链的状态，及时发现潜在的风险；能够适应不同商品特性和市场环境，适用于多种情况下的供应链风险评估；通过识别潜在的隐藏风险，可以为决策者提供重要的信息，帮助他们更好地制定风险管理策略和应对措施；通过评估供应链完整度，强调了供应链的完整性和稳定性对商品潜力的影响。
62、尤其，通过考虑实际供应链完整度和实际缺失指标，该方法能够综合评估供应链中的风险，不仅仅关注单一的供应链完整性；通过计算实际缺失指标，将供应链的缺失环节与市场供应占比相结合，提供了量化的市场供应风险评估；通过实时或定期地获取市场供应占比和供应链完整度，可以动态监控市场供应情况，及时发现潜在的市场风险；通过计算市场竞争度，明确了根据供应链完整度和缺失部分进行风险评估的逻辑；通过将市场供应占比和供应链完整度相结合，强调了市场供应与供应链之间的密切关系。
63、尤其，通过将市场竞争度与标准竞争度进行比较，将竞争度这一抽象概念量化，使得评估更加客观和准确；根据市场竞争度的变化动态调整挖掘次序，确保挖掘次序与市场实际情况保持一致；通过设立一级和二级竞争潜力等级，提供了层次化的竞争潜力评估，有助于识别不同竞争潜力的商品；通过市场竞争度的评估来修正挖掘次序，强调了市场竞争对商品挖掘的重要性。
1.一种基于大数据的企业商机挖掘方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的企业商机挖掘方法，其特征在于，所述对所述原始信息进行预处理，以形成符合挖掘条件的待分析信息的过程为，
3.根据权利要求2所述的基于大数据的企业商机挖掘方法，其特征在于，所述根据类型标记结果确定所述原始信息的异常评价等级，基于所述异常评价等级对原始信息是否符合所述挖掘条件进行初次判断的过程为，
4.根据权利要求3所述的基于大数据的企业商机挖掘方法，其特征在于，所述根据初次判断结果结合各类型标记次数计算形成评价值，并根据所述形成评价值判定所述待判定信息是否符合所述挖掘条件进行二次判断的过程为，
5.根据权利要求4所述的基于大数据的企业商机挖掘方法，其特征在于，所述根据监测结果确定各潜力商品的第一挖掘评分的过程为，
6.根据权利要求5所述的基于大数据的企业商机挖掘方法，其特征在于，所述基于所述商业信息流转进度确定各潜力商品第二挖掘评分的过程为，
7.根据权利要求6所述的基于大数据的企业商机挖掘方法，其特征在于，所述并根据所述潜力相关度对各潜力商品进行筛选、排序，以生成初始挖掘次序的过程为，
8.根据权利要求7所述的基于大数据的企业商机挖掘方法，其特征在于，所述识别各潜力商品的隐藏风险的过程为，
9.根据权利要求8所述的基于大数据的企业商机挖掘方法，其特征在于，所述根据所述隐藏风险对各潜力商品进行风险评估，以得到各市场竞争度的过程为，
10.根据权利要求9所述的基于大数据的企业商机挖掘方法，其特征在于，所述根据各潜力商品的市场竞争度对所述初始挖掘次序进行修正，以得到实际挖掘次序的过程为，
